基于集合运算的频繁集挖掘优化算法.pdfVIP

第 43卷 第 11期 山 东 大 学 学 报 (理 学 版) 2008年 11月 Vo1．43 No．11 JournalofShandongUniversity(NaturalScience) NOV．2008 文章编号：1671．9352(2008】11-0054—04 基于集合运算的频繁集挖掘优化算法 娄兰芳，潘庆先 (烟台大学计算机科学技术学院，山东 烟台 264ooo) 摘要：挖掘关联规则是数据挖掘中一个重要的课题，产生频繁项 目集是其中的一个关键步骤。提 出了一种基于集 合运算的频繁项 目集挖掘算法，并将该算法与经典算法Apfiofi进行 比较。该算法只需要对数据库扫描一遍。实 验表明该算法的效率较好。 关键词：数据挖掘；关联规则；频繁项 目集 中图分类号：TP311．132 文献标志码：A Animprovedalgorithm basedonsetsoperationforminingfrequentitemsets LOULan—fang．PANQing—xian (SchoolofComputerScienceandTechnology，YantaiUniversity，Yantai264000，Shandong，China) Abstract：Miningassociationrulesisanimportnatissueindataminingandoneofitskeystepsisgeneratingfrequentitemsets．A freuqentitemsetsminingalgorithm basedonsetsoperationwaspresentedandcomparedwiththeclassical algoritmh sapriori．This algoritmh needsonlytoscanhtedatabaseonce．Experimentsindicatehtenew algoridunisveryefficient． Keywords：datamining；associationrules；rfequentitemseLs 数据挖掘即数据库中的知识发现。是从大型的 数据库中发现潜在的、有价值的、能被用户理解的概 1 问题描述 念和信息的过程。在数据挖掘研究中关联规则挖掘 是一个非常重要的研究领域l1卫J。关联规则挖掘起 1．1 关联规则的挖掘 源于对超级市场 “购物篮”问题的研究，主要是发现 关联规则的形式化描述l4如下： 交易数据库中项与项之间的关联关系。关联规则挖 定义 1 集合 ，={i，i，…，i}为标识符的集 掘研究起初主要应用于诸如市场分析、决策制定、商 合，其中m为整数，i(=1，2，…m)称为项 目。 业管理等领域，但随着研究的不断深入 ，关联规则挖 顾客的一次购物可以用该顾客所购买的所有商 掘研究的应用越来越广泛，己扩展到了网络分析、天 品的名称来表示，称为事务，用符号 来表示，很显 文学和生物学等领域。 然 ≤，( 是 ，的子集)。一条事务仅包含其涉及 传统的关联规则挖掘算法采用的是通过多次扫 到的项 目，而不包含项 目的具体信息。所有事务的 描数据库来生成频繁项集的策略。这类算法最有代 集合就构成了关联规则挖掘的数据集，称为事务数 表性的就是 R．Agrawal在 1994年提出的 riofi算 据库，用符号 D来表示，事务数据库的记录数用 法l3J。本文利用集合运算来发现频繁项集，只须扫 IDI来表示。 描原事务数据库一次，并且不会产生大量的候选集， 定义